Prof. Dr. Tobias Koch

2 Teilklausuren (Multiple-Choice; je 50%).
Jede Teilprüfung muss bestanden sein.

Wiederholungsprüfungen werden nach Entscheidung der Prüfer schriftlich oder mündlich abgehalten.

(integrierte Vermittlung von B-PSY-501)

Zur Erreichung der Studienziele des Moduls ist eine regelmäßige Teilnahme an den Übungen nötig. Nähere Einzelheiten teilen die jeweiligen Lehrkräfte zu Beginn dieser Lehrveranstaltungen mit.

Folgende Inhalte werden in diesem Modul behandelt:

• Grundbegriffe der Regressionstheorie (allgemeiner Regressionsbegriff, einfache und multiple lineare Regression, bedingte lineare Regression, Matrixalgebra, Matrixdarstellung der multiplen linearen Regression)
• Allgemeines Lineares Modell
• Grundbegriffe der Klassischen Testtheorie
• Modelle paralleler, essentiell tau-äquivalenter und tau-kongenerischer Variablen
• Grundbegriffe und Modelle der Latent-State-Trait-Theorie
• Anwendungen dieser Modelle und Datenanalysen
• Computergestützte Datenanalyse

Die Studierenden eignen sich die Grundbegriffe der Reg-ressionstheorie an. Ausgehend von der einfachen linearen Regression werden über die zweifache lineare Regression, die bedingte lineare Regression, die nicht-lineare Regression bis hin zur multiplen Regression zunehmend komplexere Regressionsmodelle erlernt. Sie verstehen das Grundprinzip des Allgemeinen Linearen Modells als Stichprobenmodell. Die Studierenden erlernen die Grundbegriffe der Klassischen Testtheorie und der Latent-State-Trait-Theorie sowie der zugehörigen statistischen Modelle. Sie entwickeln ein Verständnis von Strukturgleichungsmodellen in ihrer allgemeinen Form und der dabei verwendeten statistischen Methoden der Parameterschätzung und Hypothesentestung inkl. Mehr-Gruppen-Modellen mit manifesten und latenten Variablen.

Die Studierenden erwerben die Kompetenz, die Modelle und Verfahren zur Analyse von Daten mit verschiedenen PC-Programmen anzuwenden. Sie verstehen die Resultate und deren inhaltliche Bedeutung.